dask.dataframe.read_sql_query
dask.dataframe.read_sql_query¶
- dask.dataframe.read_sql_query(sql, con, index_col, divisions=None, npartitions=None, limits=None, bytes_per_chunk='256 MiB', head_rows=5, meta=None, engine_kwargs=None, **kwargs)[源代码]¶
将 SQL 查询读取到 DataFrame 中。
如果
divisions或npartitions都没有给出，将确定前几行的内存占用，并使用大小约为256MB的分区。- 参数
- sqlSQLAlchemy 可选择对象
要执行的SQL查询。不支持TextClause。
- constr
数据库连接的完整 sqlalchemy URI
- index_colstr
成为索引并定义分区的列。应在 SQL 服务器中为索引列，并且为任何可排序类型。如果类型为数字或时间，则可以从
npartitions或bytes_per_chunk推断分区边界；否则必须提供明确的divisions。- 部门：序列
用于分割表格的索引列的值。如果给出，这将覆盖
npartitions和bytes_per_chunk。分割是用于定义分区的索引列的值边界。例如，divisions=list('acegikmoqsuwz')可以用于按字典顺序将字符串列分成12个分区，隐含假设每个分区包含相似数量的记录。- npartitions整数
分区数量，如果未给出
divisions。如果给出limits，则将在索引列的值之间线性分割；如果没有给出limits，则将在列的最大值和最小值之间分割。索引列必须是数值型或时间型才能生效。- 限制: 2元组或无
手动给出用于
npartitions的值的上限和下限；如果为 None，则首先从数据库中获取最大值/最小值。如果给出上限，则包含上限。- bytes_per_chunkstr 或 int
如果
divisions和npartitions都为 None，这是每个分区的目标大小，以字节为单位- head_rows整数
推断数据类型时要加载的行数，以及每行的内存
- meta空的 DataFrame 或 None
如果提供，不要尝试推断数据类型，而是使用这些类型，强制在加载时转换所有块
- engine_kwargs字典或无
sqlalchemy 的特定数据库引擎参数
- kwargsdict
传递给 pd.read_sql() 的额外参数
- 返回
- dask.dataframe
参见
read_sql_table将 SQL 数据库表读取到 DataFrame 中。